[发明专利]一种抗环境干扰的驾驶意图在线辨识方法

权利要求书

1.一种抗环境干扰的驾驶意图在线辨识方法，其特征在于：包括以下步骤：步骤一：设计抗干扰的快速聚类算法和在线自标注算法，构成驾驶意图在线辨识模型；步骤二：利用实车历史数据，训练在线辨识模型；步骤三：将训练好的在线辨识模型置入实车控制器中，实现驾驶意图的在线辨识。

2.根据权利要求1所述的一种抗环境干扰的驾驶意图在线辨识方法，其特征在于：步骤一包括以下内容：

1)、设计基于K-means思想的HADANOC大样本快速聚类算法，流程如下：

S1：将整个样本空间分割成n×n个小方格；

S2:逐个检测所有方格，并找到含样本点数最少的一个或多个非空方格；

S3:以找出的方格为中心，向外逐层扩张，并计算熵值：

S4:重复S3，直到熵值低于阈值e且此时扩张后的区域中所含数据点数量等于初始数量时，删除数据点即噪声；

S5:将某一样本数据作为初始聚类中心C_i；

S6:计算各样本x_i与聚类中心之间的最小距离minD(x_i)，计算最小距离之和sum(minD(x_i))；

S7:在0到sum(minD(x_i))之间随机选择一个值R，并迭代计算R＝R-minD(x_i)；

S8:重复S6和S7，直到R≤0，将样本x_i作为聚类中心，并放入聚类中心集中；并重复S5-8，直到聚类中心数等于设定值K，随后执行S9；

S9:找到属于聚类中心c_k所属的所有样本x_p：

S10:重复S9，直到所有样本都找到稳定的聚类中心；

2)、设计基于SVM和NN的HSL-SVM/NN在线自标注算法，流程如下：

建立一个N个样本M个类别的多分类SVM模型：

式中，x_n∈R^K,y_n∈{1,2,...,M},n＝1,2,...,N，表示K维特征向量x_n标记为y_n类；t表示类i,j组合集的索引值，ξ为松弛变量，表示非线性映射；

将式(1)转化为拉格朗日函数：

式中，α_t≥0,β_t≥0,γ_t≥0为拉格朗日乘子；

于是，可得

因此，方程(2)的对偶问题如下：

约束为式(4)和(5)；

因此，原问题的最优解满足方程(3)；

因此，类i和类j之间的判别函数为：

给定

因此，式(3)至式(7)可重写为：

式中，

HSL-SVM/NN在线自标注算法的具体设计流程如下：

Step1:将样本分为三组：训练集、测试集、交叉验证集；

Step2:计算式(12)在约束(10)和(11)下的最优解；

Step3:获得原问题(1)在约束下(9)的解向量；

Step4:获得决策函数(13)，并获得所有数据的标签值；

Step5:利用训练集数据及其标签，采用随机梯度下降方法训练BP神经网络，并利用网络获得测试集和验证集的预测标签值。